CN1790974A - 用于多入多出接收机的检测方法 - Google Patents

Abstract

公开了一种用于多入多出接收机的检测方法，它的目的是提高MIMO系统中误码性能。所述方法括以下几个步骤：a)在传统的线性或非线性检测器后，计算接收信号与其重建信号的范数差，根据范数差，得到估计信号的可靠性；b)如果认为一阶检测器的信号不可靠，利用一维遍历搜索来寻找最小范数解，如果只有一个符号错，一维遍历搜索的解就是最大似然解；c)如果一维搜索的解也不可靠，通过修改某些不可靠的符号估计，并利用局部搜索的办法寻找更可靠的解。由于对一阶检测器的输出进行了纠正，有效的提高了MIMO系统的性能。

Description

用于多入多出接收机的检测方法

技术领域

本发明涉及多天线无线通信系统中的信号检测技术，尤其涉及一种用于多入多出(MIMO)接收机的检测方法。

背景技术

多入多出(MIMO)技术是无线移动通信领域智能天线技术的重大突破。MIMO技术指的是数据的发送和接收都采用了多根天线。研究表明，利用MIMO技术可以提高信道的容量，同时也可以提高信道的可靠性，降低误码率。MIMO系统的最大容量或容量上限随最小天线数的增加而线性增加。而在同样条件下，在接收端或发射端采用多天线或天线阵列的普通智能天线系统，其容量仅随天线数的对数增加而增加。相对而言，MIMO技术对于提高无线通信系统的容量具有极大的潜力，是新一代移动通信系统采用的关键技术。

图1所示为通常的采用的MIMO系统结构示意图。在该结构中，发端和收端分别采用n_T和n_R个天线进行信号的发送和接收。在发送端，待发送的数据由串并变换器101进行串行并行转换，分成n_T个数据流，每个数据流对应一个发送天线102。

在接收端，首先由n_R个接收天线103将信号接收下来，然后由信道估计模块104根据该接收信号进行信道估计，估计出当前的信道特性矩阵H。MIMO检测器105利用该信道特性矩阵H对接收信号进行检测，解出发端发送的信息比特。

【系统模型】

令 $s={[s_1,\·\·\·,s_{n_T}]}^T$ 表示传送符号的n_T×1维向量。其中s_i为第i根天线102发送的符号。相应的n_R×1根接收天线103的信号向量为

$x={[x_1,\·\·\·,x_{n_T}]}^T;$

             x＝Hs+n              (1)

在(1)中 $n={[n_1,\·\·\·,n_{n_R}]}^T$ 表示在n_R根接收天线103上的均值为零方差为σ²的高斯白噪声。H为n_R×n_T信道矩阵。MIMO检测器105用于从接收向量x中恢复发送符号s。

【传统检测技术】

a.最大似然检测

最大似然检测方法可以通过充分统计向量的噪声方差直接推导出来，但是最大似然检测的复杂度是随呈指数增长的，难以实现。

b.ZF(迫零)和MMSE(最小均方误差)检测器迫零检测器的特点是完全消除了各个发送天线之间的干扰，其代价是增强了背景噪声。

MMSE检测器的基本思想是使估计的数据与真正的数据之间的均方误差最小化。它考虑了背景噪声的影响，在消除各个天线之间的干扰和增强背景噪声之间得到一个折衷，性能要优于迫零检测器。

c.BLAST检测器(ZF-BLAST和MMSE-BLAST)

BLAST检测器包括两部分：一个线性变换部分和一个串行干扰消除部分。首先通过线性变换部分的线性变换操作得到信噪比最强的第i根发送天线上的数据判决，通过此数据，重建第i个天线的发送数据。然后再从接收信号中减去此符号的影响。接着计算余下的数据中信噪比最强的天线上的数据估计进行干扰消除。然后一直重复此过程直到得到所有数据的估计。

d.基于QR分解的BLAST检测

可以将矩阵H分解成

             H＝QR                    (2)

在公式(2)中，n_R×n_T矩阵Q各列相互正交，且各列的范数为1，即

$Q^{H}Q=I_{n_R\×n_T}---\left(3\right)$

在公式(2)中，R为上三角矩阵。用Q^H去左乘接收信号x，得到

_＝Q^H _x＝Rs+η         (4)

公式(4)中，η＝Q^Hn，统计特性与噪声n一样。由于R是上三角结构，对数据s的检测可以先从最后一行开始，然后再消去这个用户的影响，逐级检测，直到得到全部天线的数据。

基于QR分解的BLAST检测也有基于排序的QR分解(SQR)，其基本思想是与QR分解一样，但是置换H的不同列使数据的检测顺序是按信噪比由大到小排列。基于QR分解的BLAST检测也分ZF和MMSE两种。

【传统检测技术的问题】

在传统的检测器中，ZF与MMSE的性能相对较差。基于BLAST的干扰消除(SIC)的方法又容易造成误差传播。实际上，最大似然解是使‖x-H_‖最小。当噪声的影响不是很大，当_＝s时，‖x-H_‖取得极小值，这是一个唯一的一个全局极小点。并假设发送天线数目为n_R，接收天线数目为n_T。令

               y＝x-H_            (5)

y是一个n_R维的向量，y的取值就在这n_R维的超平面中。这个向量的范数有不止一个的局部最小点。当以上的检测器发生错误时，很有可能对发送数据的估计落入了某个局部极小点，造成检测错误。

发明内容

本发明的目的在于，提供了一种用于MIMO系统的检测方法，该方法在范数判决的基础上，结合一维遍历搜索提高传统检测器的性能。

此外，如果一维遍历搜索的结果不可靠，则进行局部搜索，找到最可靠的解。

为了提高传统检测器的性能，本发明给出一种新的基于范数判决的MIMO检测器来纠正传统检测器的错误，以提高MIMO检测器的性能。此检测器以传统的检测器作为第一阶，根据接收信号与其重建信号差的范数，来判断解是否可靠。如认为不可靠，就利用一维遍历搜索和/或局部搜索相结合的方法来得到更可靠的解，提高检测器的性能。

根据本发明的一个方面，一种用于多入多出接收机的检测方法，包括步骤：a)在线性或非线性检测器后计算接收信号与其重建信号的范数差；b)并根据所述范数差，得到估计信号的可靠性；c)在认为所述估计信号不可靠的情况下利用一维遍历搜索来寻找最小范数解；以及d)记录每个点的范数差。

此外，上述检测方法中还包括步骤：e)在一维遍历搜索的解也不可靠的情况下通过修改某些不可靠的符号估计，并利用局部搜索方法寻找另一个解；f)通过迭代步骤b)至e)来得到最可靠的解。

此外，在上述检测方法中，利用一维遍历搜索来寻找最小范数解的步骤包括：每次只修改估计信号中的一个值，对这个修改的值而言，要遍历所有的取值；当某个点遍历完后，遍历下一个点；以及在所有遍历的点中，计算接收信号与其重建信号的范数差，得到范数值，其范数值最小的作为候选解。

此外，在所述的检测方法，记录每个点的范数差的步骤包括：每次修改一个点时，都要计算接收信号与其重建信号的范数差，得到一个范数值；以及将此范数值与估计的信号按上述计算得到的范数值相减，得到每个点的范数差，每个范数差对应一个符号。

此外，在上述检测方法中，修改某些不可靠的符号估计的步骤包括：根据所述范数差，选出n个(n≥2)不可靠的符号，按照所述范数差所对应的符号进行修改；将修改后的点作为局部搜索的初始点。

此外，在上述检测方法中，利用局部搜索的方法是一种寻找使接收信号与其重建信号的差的范数最小的解的方法。

此外，在上述检测方法，通过迭代b)至e)以得到最可靠的解的步骤包括：如果经过局部搜索后的解还不能满足要求，且未超过最大迭代次数要以局部搜索所得的解作为初始点，执行步骤b)到步骤e)；以及每次计算要将接收信号与其重建信号的差的范数最小的作为候选解。

此外，在上述检测方法中，所述线性或非线性检测器是迫零检测器、最小均方误差检测器、迫零排序干扰消除监测器、最小均方误差排序干扰消除检测器，这些检测器需要用到信道特性，信道特性由接收端进行估计并得到。

此外，在上述检测方法中，所述接收信号是各根天线上接收到的信号组成的列向量；重建信号是信道矩阵乘以估计的信号所得的向量；范数差是两个向量的差的范数。

如上所述，通过利用一维遍历搜索和/或局部搜索方法，本发明能够对一阶检测器的输出进行多级纠正，有效地提高了MIMO系统的性能。

附图说明

图1为MIMO系统结构示意图；

图2为QPSK星座图；

图3为本发明所采用的检测方法的流程图；

图4为本发明中一维遍历搜索的流程图；

图5为以ZF-BLAST为第一阶检测器，本发明的基于范数判决的检测方法与ZF-BLAST的性能比较；

图6为以SQRMMSE为第一阶检测器，本发明的基于范数判决的检测方法与SQRMMSE的性能比较；以及

图7所示为基于范数减小的多阶检测器的实现框图。

具体实施方式

下面结合附图说明本发明的具体实施方式。

初始条件：设采用图1所示的MIMO系统结构。其中，发端和收端分别采用n_T和n_R个天线进行信号的发送和接收。在发送端，待发送的数据首先由串并变换器101分成n_T个数据流，每个数据流对应一个发送天线102。在接收端，首先由n_R个接收天线103将信号接收下来，然后由信道估计模块104根据该接收信号进行信道估计，估计出当前的信道特性矩阵H。

图7所示为基于范数减小的多阶检测器的实现框图。

其中，模块200为传统的检测器，例如BLAST检测器或者SQR检测器。模块201为判断模块，判断是否结束计算，输出检测值。模块202为一维搜索模块。模块203为局部搜索模块。以下结合流程图3来说明其过程。

基于范数减小的多阶检测器的主要思想是，根据第一阶检测器的输出，计算‖x-H_‖，估计其各个符号可靠性值，然后通过一维遍历与共扼梯度搜索的方法，逐步得到更到更可靠的解。

根据本实施例的检测方法包括三个过程：初始阶算法(模块200)、一维遍历搜索(模块202)和局部搜索(模块203，仿真中，使用共扼梯度方向进行搜索)。

图3表示了基于范数减小的多阶检测器的流程，首先，在步骤S301设定范数α，最大迭代次数M，并将接收信号x、M和α发送给的检测器。检测器在步骤S302根据初始阶的算法得到发送数据的估计_，令__can＝s₀＝_。在步骤S303判断是否‖x-Hs₀‖＜α。

如果在步骤S303得到的判断结果是肯定的，流程转到步骤S308，输出__can整个流程结束。

如果在步骤S303得到的判断结果是否定的，即认为不可靠，则要进行一维遍历搜索。

在步骤S304，执行一维遍历搜索，得到使‖x-Hs‖最小的估计值_′，并令β＝‖x-H_′‖，并计算各个估计点的范数差，令__can＝_′。流程转到步骤S305，判断是否β＜α。

上述执行一维遍历搜索的目的要记录当有一个符号与s₀不同时，记录下来两者的范数差。共扼梯度搜索根据此范数差来选择初始点。而且，当只要一个符号错误时。一维遍历搜索的解与最大似然是相同的。在上述的一维遍历搜索中，记录下使范数‖x-Hs‖最小的估计_′作为最可能的候选的输出。

如果在步骤S305判断出β＜α，即认为其解可靠，则流程转到步骤S308，输出__can，整个流程结束。否则，流程进入步骤S306。在步骤S306，根据一维遍历搜索得到范数差，确定原估计点的可靠值。得到新的估计点s_ini。以s_ini作为初始点，利用局部搜索方法，得到新的局部极小点，进而得到估计_″及γ＝‖x-H_″‖。如果γ＜β，令β＝γ，__can＝_″。

在步骤S304中，记录下了当有一个符号与一阶算法的估计_不同时，两者的范数差。假设信号的调制的阶数为Q，则需要记录的范数差的数目为n_R×(Q-1)。令此n_R×(Q-1)矩阵为Record。在此Record矩阵中，从每行中选出范数差最小的作为候选的修改点，并得到这n_T个点所对应的符号。再从选出的n_T个值中，选出k个最小值(k取值可从2＜＝k＜＝n_T，取k＞＝2是因为如果只有一个符号错，在一维搜索中，已经找到了最大似然解，此时如果有错的话，最少的错误数是2)。选出与这k个最小的值对应的符号来更改_′，令修改后的值为s_ini。以s_ini作为初始点，选用局部搜索的办法找到‖x-Hs‖的局部极小点，得到新的解_″，如果‖x-H_‖＜β，令__can＝_″。在下面局部搜索的例子中，s_ini＝[1-i，1-i，-1+i，1+i]^T，作为初始点，用共扼梯度方向搜索，一次就得到正确的解。纠正了一阶检测器的错误。

在步骤S307，如果迭代次数达到最大的次数M，转到S308输出__can结束。否则在步骤S309，令s₀＝_″，流程转入步骤S303。重复执行上述的过程，直到得到最可靠的解。

图4给出了一维遍历搜索的流程图。

在步骤S401，输入接收信号x，信道矩阵H，信号估计_，_的维数D。

在步骤S402，根据一阶检测器的估计_，计算范数值α＝‖x-H_‖。令__can＝_为候选解，并初始化I＝1。流程进入步骤S403，判断是否I＜＝D。

在步骤S403，如果判断结果是否定的，流程转到S404，输出范数差的记录，候选解__can和候选解相应的范数α。

如果在步骤S403判断结果是肯定的，则在步骤S405根据调制星座图，对第I个_逐点以其他的星座点替换信号的估计。令替换后的信号的估计为_′，则_′,与_在第I个符号不同，计算范数差‖x-H_′‖-‖x-Hs‖，并记录下来。然后在步骤S406判断是否‖x-H_′‖＜α，如果判断结果是肯定的，则流程转到步骤S407，否则流程转到步骤S408。

在步骤S407赋值α＝‖x-H_′‖，且此_为新的候选估计值，令__can＝_′。以__can为新的候选解，流程转到步骤S408。

在步骤S408判断是否在s(I)这个点上遍历了所有星座点，如果是，I＝I+1，流程转入步骤S403。如果未遍历所有的星座点，则流程转到步骤S405继续更改S(I)。

在上述过程中，设信号的调制的阶数为Q，则需要记录的范数差的数为n_R×(Q-1)。

图4对应了图3的S304。以下举例说明本发明的具体过程。

设n_T＝n_R＝4，信号采用QPSK调制，其星座图如图2所示。星座图中的4个点分别是1+i，-1+i，1-i，-1-i。假设噪声方差σ²＝0.1，α得取值为噪声范数的均值， $\mathrm{\α}=\sqrt{n_T\×{\mathrm{\σ}}^2}=0.6325.$

以下结合图1，描述其过程。

假设发送信号s＝

$\begin{array}{c}-1+1i\\ -1-1i\\ -1+1i\\ 1+1i\end{array}$

则发送信号经过图1的102模块发送出去，经过无线信道H被模块103所接收。其接收模型如公式(1)所示。

假设信道矩阵H＝

$\begin{array}{cccc}0.2836-0.2968i& -0.1519+0.1347i& -0.6599+0.2621i& 0.0707+0.0513i\\ 0.3040+0.5465i& -0.4288-0.3254i& -0.3178-0.6352i& 0.4292-0.2160i\\ 0.4559+0.0600i& 0.3897+0.7461i& -0.7524+0.2194i& -0.7430-0.1568i\\ 0.2738+0.4316i& 0.1136-0.0667i& -0.4282-0.1003i& -0.2794-0.3097i\end{array}$

而且，假设经过噪声叠加的接收信号x＝

$\begin{array}{c}0.5008+0.1713i\\ 1.3696+1.1985i\\ 0.1158-2.3429i\\ -0.6031-1.3047i\end{array}$

那么，经过ZF-BLAST检测器，进入一维搜索的初始估计的信号_₀＝

$\begin{array}{c}1+1i\\ -1-1i\\ 1+1i\\ 1+1i\end{array}$

经过ZF-BLAST检测器，有2个符号错误(第一个和第三根发送天线的符号)。此时，‖x-H_‖＝1.5947＞α。认为这个解不可靠。随后，要进行一维遍历搜索。所谓一维遍历搜索，指的是每次只修改一个符号，但要遍历所有可能的取值。比如，修改第一根发送天线的数据。通过ZF_BLAST得到是以下四个符号估计(1+1i，-1-1i，1+1i，1+1i)，这四个数据对应于四根发送天线上的数据。第一次保持第二、第三、第四根天线上的数据不变。依次更改第一根天线的数据，由于是QPSK调制，有三种另外的可能 $s_1^1={[-1+1i,-1-1i,1+1i,1+1i]}^T,$

$s_1^2={[1-1i,-1-1i,1+1i,1+1i]}^T,$ , $s_1^3={[-1-1i,-1-1i,1+1i,1+1i]}^T.$ 并记录下

$\left|\right|x-{\mathrm{Hs}}_1^1\left|\right|-\left|\right|x-H\hat{s}\left|\right|,\left|\right|x-H{s}_1^2\left|\right|-\left|\right|x-H\hat{s}\left|\right|,\left|\right|x-H{s}_1^3\left|\right|-\left|\right|x-H\hat{s}\left|\right|.$ 第二次保持

估计数据_的第一、三、四个数据不变，依次更改第二个数据，并记录范数差。第三次依次更改第三个符号，其他的不变，记录范数差。依次类推，直到最后一个数据。此时，记录下的范数差见表1。

表1  Record

	1+i	-1+i	1-i	-1-i
					第一个数据	∞	1.2922	0.7053	1.7342
第二个数据	2.3606	1.6868	1.1291	∞
					第三个数据	∞	0.5430	1.6559	1.9539
第四个数据	∞	0.8231	1.5652	2.0505

在表一中∞表示在这个数据，在这个符号上是与估计出的数据是一样的，在这个点上，不参与评估。选出每行的最小值，一共有四个值(0.7053，1.1291，0.5430，0.8231)。在这四个值中，选出k个最小值(2＜＝k＜＝n_T)。假设取k＝2。则这两个值为(0.7053，∞，0.5430，∞)。这两个值对应的符号为(1-i，∞，-1+i，∞)。将这两个值修改，其他的值不变，得到新的估计s_ini＝[1-i，1-i，-1+i，1+i]^T，以s_ini作为初始点，利用局部搜索的方法，进行局部搜索。

这里所说的局部搜索，是指将MIMO的检测问题可以转化为求二次函数极小值的问题。对求二次函数极小值的问题有许多局部搜索的方法可以求解，如牛顿法，最速下降法、共扼梯度法等等。这些方法，根据初始点选择的不同，二次函数可能落入不同的局部极小点。共扼梯度法性能是其中较好的一种，在本发明中局部搜索选用的是共扼梯度法。

在一维搜索的过程中，记录范数最小的作为候选点。从表1可得出，在此种情况下，初始估计_₀的范数最小。则初始估计就是_₀。如果只有一个符号错，而且最大似然估计的解正确，则在表1种将会有负值出现。而且其最小范数的解就是最大似然解，也就是正确的解。

在本发明提出的方法中，使用一维遍历搜索可以使当有一个符号错时，一维搜索后的输出就是最大似然解。而记录表1所示的范数差，是由于当估计的数据错误时，而将其修改到正确的的符号上时，范数‖x-H_‖有减少的趋势，虽然当出现的符号错误多时，修改一个符号不一定能使‖x-H_‖下降。但从统计上来说，正确的估计越多，‖x-H_‖越小。所以，根据表1所计算的范数，估计出可能的另外的解，以此为初始点，去寻找更好的解。在本发明里，可靠值α不是必须的，也可以固定迭代次数。但这样会增加不必要的复杂度。

图5、图6所示为本发明所采用的方法与传统方法的性能比较。在仿真中，n_T＝n_R＝4，信道矩阵H的各个元素独立。噪声为均值为零方差为σ²的复白高斯噪声分布。调制方式为QPSK。最大的迭代次数为n_T。在仿真中，范数的可靠值α的取值为噪声范数的均值， $\mathrm{\α}=\sqrt{n_T\×{\mathrm{\σ}}^2}.$ 局部搜索的方法为共扼剃度法。

图5给出了以ZF-BLAST为第一阶的范数判决与ZF-BLAST的比较。从图中可以看出，在误码率达到10^-3，范数判决的方法有2dB左右的增益。图6给出了以SQRMMSE为第一阶的范数判决与ZF-BLAST的比较。从图中可以看出，在误码率达到10^-3，范数判决的方法同样大概有2dB左右的增益。

以上所述，仅为本发明中的一种具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变换或替换，都应涵盖在本发明的包含范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (11)

1.一种用于多入多出接收机的检测方法，其特征在于包括步骤：

a)在线性或非线性检测器后计算接收信号与其重建信号的范数差；

b)并根据所述范数差，得到估计信号的可靠性；

c)在认为所述估计信号不可靠的情况下利用一维遍历搜索来寻找最小范数解；以及

d)记录每个点的范数差。

2.根据权利要求1所述的检测方法，其特征在于还包括步骤：

e)在一维遍历搜索的解也不可靠的情况下通过修改某些不可靠的符号估计，并利用局部搜索方法寻找另一个解；

f)通过迭代步骤b)至e)来得到最可靠的解。

3.根据要求2所述的检测方法，其特征在于，所述利用一维遍历搜索来寻找最小范数解的步骤包括：

每次只修改估计信号中的一个值，对这个修改的值而言，要遍历所有的取值；

当某个点遍历完后，遍历下一个点；以及

在所有遍历的点中，计算接收信号与其重建信号的范数差，得到范数值，其范数值最小的作为候选解。

4.根据要求2所述的检测方法，其特征在于，所述记录每个点的范数差的步骤包括：

每次修改一个点时，都要计算接收信号与其重建信号的范数差，得到一个范数值；以及

将此范数值与估计的信号按上述计算得到的范数值相减，得到每个点的范数差，每个范数差对应一个符号。

5.根据要求2或3所述的检测方法，其特征在于，修改某些不可靠的符号估计的步骤包括：

根据所述范数差，选出n个不可靠的符号，其中n≥2，按照所述范数差所对应的符号进行修改；

将修改后的点作为局部搜索的初始点。

6.根据要求2或3所述的检测方法，其特征在于，所述利用局部搜索的方法是一种寻找使接收信号与其重建信号的差的范数最小的解的方法。

7.根据要求2或3所述的检测方法，其特征在于，所述通过迭代b)至e)以得到最可靠的解的步骤包括：

如果经过局部搜索后的解还不能满足要求，且未超过最大迭代次数要以局部搜索所得的解作为初始点，执行步骤b)到步骤e)；以及

每次计算要将接收信号与其重建信号的差的范数最小的作为候选解。

8.根据权利要求4所述的检测方法，其特征在于：所述线性或非线性检测器是迫零检测器、最小均方误差检测器、迫零排序干扰消除监测器、最小均方误差排序干扰消除检测器，这些检测器需要用到信道特性，信道特性由接收端进行估计并得到。

9.根据权利要求5所述的检测方法，其特征在于：所述线性或非线性检测器是迫零检测器、最小均方误差检测器、迫零排序干扰消除监测器、最小均方误差排序干扰消除检测器，这些检测器需要用到信道特性，信道特性由接收端进行估计并得到。

10.根据要求4所述的检测方法，其特征在于，所述接收信号是各根天线上接收到的信号组成的列向量；重建信号是信道矩阵乘以估计的信号所得的向量；范数差是两个向量的差的范数。

11.根据要求5所述的检测方法，其特征在于，所述接收信号是各根天线上接收到的信号组成的列向量；重建信号是信道矩阵乘以估计的信号所得的向量；范数差是两个向量的差的范数。

Images